4. 标准不确定度A类评定
A类评定是测量不确定度评定中最具“数据依据”的一环：它不依赖证书、手册或经验判断，而是直接由重复观测数据统计得到标准不确定度。本节围绕三种常用方法——贝塞尔法、极差法、最小二乘拟合残差法——说明各自的适用条件、计算过程与结果判读，并给出重复性实验设计要点。
一、A类评定的共同前提
无论采用哪种方法，A类评定都建立在同一逻辑上：把被测量（或影响量）的观测值视为随机变量，用样本离散程度估计其标准不确定度。因此必须先明确三件事：
- 观测对象：是直接测量被测量本身，还是测量某个影响量、修正值或拟合残差；
- 重复条件：同一人员、同一仪器、同一方法、同一环境、短时间内连续观测，即“重复性条件”；
- 样本独立性：各次观测应相互独立，避免读数被前一次结果“带偏”。
若观测条件发生变化（如换人、换仪器、隔天测量），得到的是“复现性”数据，不能直接按重复性处理，否则会低估不确定度。
二、贝塞尔法：最通用的标准差估计
贝塞尔法即样本标准差法。对同一被测量在重复性条件下做 n 次独立观测，得到 x₁, x₂, …, xₙ，则：
平均值：x̄ = (Σxᵢ) / n
残差：vᵢ = xᵢ − x̄
实验标准差：s = √[ Σvᵢ² / (n − 1) ]
平均值的标准不确定度：u(x̄) = s / √n这里 s 描述的是“单次观测值”的分散性，而 u(x̄) 描述的是“平均值”的标准不确定度。若最终测量结果取 n 次平均，则 A 类标准不确定度应取 u(x̄)；若结果只取单次读数，则取 s。这是初学者最容易混淆的一点。
示例（教学假设数据）：对某长度重复测量 6 次，读数分别为 10.02、10.03、10.01、10.04、10.02、10.00 mm。计算得 x̄ = 10.020 mm，Σvᵢ² = 0.0010 mm²，s = √(0.0010/5) ≈ 0.0141 mm，u(x̄) = 0.0141/√6 ≈ 0.0058 mm。若最终结果取平均值，则 A 类标准不确定度约为 0.006 mm。
贝塞尔法适用于 n ≥ 6 的常规重复观测，自由度 ν = n − 1。n 越大，s 越稳定，但成本也越高。工程中常取 n = 10 左右，兼顾可靠性与工作量。
三、极差法：小样本快速估计
当测量次数很少（n = 2～5）且不便计算标准差时，可用极差法。极差 R = x_max − x_min，则单次观测的实验标准差近似为：
s ≈ R / dₙ
平均值的标准不确定度：u(x̄) ≈ R / (dₙ · √n)其中 dₙ 是与样本量有关的极差系数，常用值：n=2 时 dₙ=1.13；n=3 时 dₙ=1.69；n=4 时 dₙ=2.06；n=5 时 dₙ=2.33。极差法计算简便，但只利用了最大值和最小值，信息利用率低，结果偏保守，自由度也较小（n=2 时 ν≈1，n=5 时 ν≈4）。因此它适合现场快速估算，不适合作为高精度评定的最终依据。
示例：对某电压重复测量 4 次，读数 5.012、5.015、5.010、5.014 V，R = 0.005 V，dₙ = 2.06，则 s ≈ 0.0024 V，u(x̄) ≈ 0.0024/√4 = 0.0012 V。
四、最小二乘拟合残差法：处理“随自变量变化”的测量
当被测量不是恒定值，而是随某个自变量（如温度、时间、浓度、位移）变化时，重复观测不能直接求平均。此时常用最小二乘拟合建立模型 y = a + bx（或更高阶），再用残差估计标准不确定度。
设拟合直线为 ŷᵢ = a + bxᵢ，残差 eᵢ = yᵢ − ŷᵢ，则：
残差标准差：s = √[ Σeᵢ² / (n − 2) ]
斜率标准不确定度：u(b) = s / √[ Σ(xᵢ − x̄)² ]
截距标准不确定度：u(a) = s · √[ 1/n + x̄² / Σ(xᵢ − x̄)² ]分母 n − 2 是因为直线拟合估计了 a、b 两个参数，自由度 ν = n − 2。若拟合模型含更多参数，则自由度相应减少。残差法不仅给出拟合参数的不确定度，还能通过残差图判断模型是否合适：残差应随机分布在零线两侧，若出现明显弯曲或喇叭形，说明模型或测量条件存在问题。
示例（教学假设数据）：用标准电阻箱校准某传感器，输入 x 为 1、2、3、4、5、6，输出 y 为 2.01、3.98、6.03、7.97、10.02、11.99。拟合得 b ≈ 2.00，Σ(xᵢ−x̄)² = 17.5，残差平方和约 0.0035，s = √(0.0035/4) ≈ 0.0296，u(b) ≈ 0.0296/√17.5 ≈ 0.0071。即斜率的标准不确定度约为 0.007。
五、重复性实验设计要点
要让 A 类评定结果可信，实验设计必须先行。建议按以下要点组织：
- 确定观测次数：常规取 n = 10；若用极差法，n = 3～5；若做拟合，每个自变量水平至少 5～6 个点，且覆盖整个工作范围。
- 固定条件：同一仪器、同一量程、同一人员、同一环境，记录温度、湿度等可能影响量。
- 随机化顺序：不要按从小到大顺序读数，避免漂移与顺序混淆；可随机排列测量点。
- 剔除异常值：先用格拉布斯准则或残差图识别异常，再决定是否剔除，并记录理由。
- 记录原始数据：保留每次读数、时间、条件，便于复核与追溯。
六、三种方法的选择与结果判读
选择方法时，先看测量对象是否恒定：恒定值优先用贝塞尔法；样本极少且只需快速估算时用极差法；被测量随自变量变化时用最小二乘拟合残差法。判读结果时，注意区分“单次观测的标准差 s”与“平均值的标准不确定度 u(x̄)”，并检查自由度是否足够。若 u(x̄) 与仪器分辨力、标准器不确定度相比过小，应警惕重复性条件被破坏或数据被“平滑”处理。
综上，贝塞尔法是通用基础，极差法是小样本快速替代，最小二乘拟合残差法解决“随自变量变化”的测量问题。三者共同依赖规范的重复性实验设计。实际评定中，应根据测量对象、样本量和精度要求选择方法，并始终区分单次标准差与平均值标准不确定度，避免把 s 直接当作最终 A 类不确定度使用。